期现套利,有没有适合3000万现金的套利模式

1、期现套利，有没有适合3000万现金的套利模式？

套利模式，很多人第一个感觉是风险小。确实如此，比如，卖股指期货和买股票组合的期现套利。它们的风险就比单纯的交易期货和交易股票风险要小。

可实际上，套利模式的风险和收益也是相辅相成的。

风险小，因为风险敞口小，风险敞口小，那意味着收益也相应的降低。

无风险套利的机会虽然理论上存在，但是随着市场上专业机构的增加，获取的难度无限大。资本闻到无风险套利的血腥，会瞬间聚集，消灭掉机会。

赚这种钱，比拼的是专业能力，晚一步机会便会消失。所以，套利模式，对于非专业的人来说，难度很大。

看了题主的问题描述，无非是想要用钱生钱，并且不想承担风险而已。那么并不一定需要套利。你还可以考虑，资产配置。

3000万，可以配置的方式太多了。你可以选择无风险收益+有明确风险收益结合的模式。

比如，你3000万取一部分定存银行和购买货币基金，然后剩下的一部分去选择几款私募基金。

定存和购买货币基金的风险极低，收益稳定。我们假设你一年可以获取大约4%的固定收益。私募基金的典型特点是风险确定，都是明确的清盘线，然后它们追求的是绝对收益，即单位时间内的盈利。你可以选择几款不同方向的私募做配置，比如，股票型的，期货型的等等。

假设，你选择了几款清盘线都是20%的私募基金产品。那么，你可以按照如下方式分配资金：

2500万买入无风险收益型产品，年化收益4%，大约收益100万。

500万买入有风险私募性产品，清盘线20%，大约风险100万。

这样，你的总资金在私募产品全部被清盘的情况下，也是没有风险的，因为你的固定收益跟风险抵消了，你依然可以实现保本。

但是，如果你的私募产品表现良好，都没有被清盘，那么，它们可能为你创造出远高于货币基金4%的收益。500万清盘线20%，完全有可能创造出40%以上的收益。

这样，你就可以实现在本金没有风险的情况下，拥有冲击较高收益率的机会了。

点赞支持一下，谢谢。

2、如何区分主动基金和被动基金？

被动基金和主动基金的区分，可以从责任对象、收益期望、投资期限／方式等方面考虑：

指数基金（被动基金），核心是跟踪指数，投资者选择什么指数、什么时候买入、什么时候卖出，都是投资者自己决定。在指数基金的框架下，基金经理可以不作为，即使有所作为，影响也很小，基金公司所收取的费用因此很低。指数基金涨跌都是跟随指数的波动，和基金经理／公司无关。

主动型基金（主动基金），核心是基金经理。主动型基金以寻求超越市场的业绩表现为目标，基金经理就需要在纯碎的指数化投资的基础上，结合个人经验、对股票市场的判断，对基金的持仓进行适当适时的调整。

比如，易方达上证50指数A，虽然是上证50指数，但中国平安的比重被调低，还引入了其他类型的股票（贵州茅台、招商银行、中国建筑），甚至还引入了一些债券。

由于主动型基金的收益依赖基金经理投资水平的高低，选择一个好基金经理就变得非常重要。

指数型基金：一般期望收益是跑赢大盘，大盘相对稳健，广大投资者在心态上更放松；即使大盘指数跌了，遵循越跌越买的原则，持有更长的时间，总能等到大盘回涨的时候。

主动型基金：收益期望一般会对标基金以往业绩，期望值会高很多。而任何投资都有风险，基金经理也不能保证基金收益越来越高，因此会出现主动型基金亏损，投资者立马割肉，并且吐槽主动型基金不靠谱的现象。

指数型基金：一般指数型基金定投居多，投资期限在1年以上，更适合发工资后把剩余的工资定投，用于以后小孩教育等长远的用途。可能很大一部分时间都是保本或者亏，但随着大盘大涨，一小段时间就赚取80%的收益。

主动型基金：投资时间超过1年的很少，一般是一次性买入，大部分人都在基金有波动的时候就赎回了。（本来就是想赚取高收益，一旦跌了就立马卖免得持续亏损，一旦涨了也是立马卖落袋为安）

主动基金和被动基金谁的收益更高？

2008年初-2017年末，巴菲特发起十年赌局（被动型基金VS主动型基金），结果是被动型基金年复合增长率高于主动型基金。

当然，这不是说被动基金的收益就一定高于主动基金，对于个人投资者而言，基金的选择、择时、止盈卖出点、持有时间等都有可能会影响基金持有收益。

只能说指数型基金更省时省力，弱化了选股、择时等技术要求；通过长期定投，可以减少人为情绪影响交易结果；指数型基金投资标的简单透明，不用担心受投资经理的影响，投资渠道相对成熟安全。

写在最后：

指数型基金相对更容易理解，门槛更低，适合定投长期持有；主动型基金需要衡量基金的规模、过往业绩、评级、基金经理经验等，追求超越市场业绩表现，投资的门槛会更高一些，需要大家有一定的选择能力。

当然无论是指数型基金或者主动型基金，本质都是投资股票，风险相对会高一些，建议投资前先了解一些基础的基金、股票知识，做到对市场、投资标的心中有数，以免拿不住出现基金赚钱自己却亏了的情况。

3、如何进行低风险套利？

目前来看，低风险套利的投资策略主要分为以下四种：

1，固定收益的投资品种，包括国债、货币基金、逆回购、企业债、债券基金、分级基金的A类、期现套利、打新债、打新股等；

2，折价的权益投资品种（折价可以带来超额的收益跑赢大盘），包括封闭式基金、QDII、LOF、分级基金、股指期货、合并换股的股票、H股、认购权证等；

3，保底型权益投资品种，包括有保底承诺的可转债、现金选择权股票、绿鞋机制股票、邀约收购股票等低风险投资品种；

4，上市公司中并购、重组、回购等可交易的低风险投资品种。

4、能否完整地讲讲你的期货交易逻辑是什么？

行情的走势由单边和震荡两部分组成，单边震荡循环往复。唯有单边行情有迹可循，我一般等待区间突破进场。

逻辑很简单，震荡和单边永远是交替转换，等震荡完走出单边就入场抓取这部分波动。

区间可在3-60分钟周期分析，过大或者过小的周期参考性不强。周期太小行情太容易走乱，周期太大止损的点位又过高，这两种情况一种不利于持仓，一种太伤及本金，所以要选择合适的周期。

突破往往是市场重新选择方向的一个开始，在看不懂的无序震荡中要头脑清醒不可被市场诱惑随意入场。只有在区间进场点和止损点明确的情况下，待突破的区间才是有效的入场信号。

震荡区间的幅度一般也决定了突破力度的大小，震荡区间较大相对突破后的能量越小。震荡区间较小的时候，突破的力度才更大。

突破交易赚钱的关键在于 耐心等待时机， 区间往往是行情告诉你的一目了然的，当看不到明确的进场机会的时候，千万不要强行分析行情，为市场划出勉强的区间来等待突破。一定是越简单越好，无需什么技术分析手段就可看出机会的才是真正的机会。

突破交易操作上更容易上手，逻辑简单清晰，进场点和止损点也更明确。只要能把执行力锻炼出来，应该是最容易赚钱的操作模式了。

5、Python真的没有用吗？

谢谢邀请！很高兴回答这个问题，正好最近在做这方面的研究。

python有用没用，关键看你用在哪里。不可否认，随着学习python的人越来越多，python领域的就业竞争也越来越激烈。但我们应该知道，还有很多领域正是适合python发挥作用的地方，但往往被很多人忽略，其中最有价值的一个地方就是金融领域的量化投资。

量化投资是指通过数量化、模型化的方式及计算机程序进行投资并获取收益的交易方式。量化投资在海外已有30多年的历史，已占据市场70%的交易量。相比而言，国内量化投资仍处于刚刚起步的阶段，有着非常巨大的发展空间。目前市场对于量化人才处于奇缺状态，既懂金融交易，又懂计算机编程的人员凤毛麟角，是市场争抢的对象。

量化投资一直有各类基金在研究，但一直不瘟不火，也没多少产品推出来，直到2014年后突然火起来，目前面临前所未有的发展良机。量化投资大致经历了下面几个阶段：

1、2010年推出股指期货之前，量化投资体现不出优势，研究的人很少。

2、2010年--2013年，大盘处于熊市阶段，也没出现多少套利机会，而且这个时候关注资本市场的人也不多，但因为有了对冲手段，一小部分先知先觉的机构开始研究量化投资，在期现套利、股票阿尔法套利等方面应该也赚到些钱。

3、2014年--2015年9月，大盘经历暴涨暴跌，中间出现过分级基金套利、可转债套利、ETF套利、期现套利等一大波的套利机会，然后在大盘暴跌的时候有一部分量化对冲基金经受住了回撤的考验。量化投资在这一阶段得到快速的发展。

4、2015年9月--现在，由于市场需求不断扩大，量化投资面临前所未有的发展良机。

为什么用Python做量化

目前Python已经在量化投资领域占据了主流位置，从数据获取到策略回测再到交易，覆盖了整个业务链。Python是一门全面与平衡的语言，既能满足系统应用的开发，又能满足数据统计分析等计算需求，尤其在数据分析方面，没有其他语言能像Python这样既精于计算又能保持极佳的性能。

在重视开发功率和科技不断开展的背景下，Python逐步得到越来越多的亲睐。相比其他语言，python有很大的优势：

（一）Python 的通用性

Python 的通用性，使它符合各种开发需求，为开发人员提供了许多选择：Python 可用于体系操作，Web 开发，服务器管理东西，部署脚本，科学建模等数之不尽的地方。即便是不相关的其他行业人士，也能很容易用 Python 完结项目。

（二）教育的推进

教育部考试中心于2017年10月11日发布了“关于全国核算机等级（NCRE）体）系调整”的告诉，决定自2018年3月起，在核算机二级考试加入了“Python语言程序设计”科目。目前部分省信息技术课程改革方案已经出台，Python断定进入省级信息技术高考， 从2018年起诸多省级信息技术教材编程言语将会从vb更换为Python。

（三）大企业的赞助

2006 年 Python 得到了 Google 的鼎力相助，并且从那以后 Google 的许多渠道和应用都使用了 Python。Google他们为使用Python创建了大量的指南和教程。在开发者的范畴，Google持续贡献了大量的文档和支持东西，并一直在为Python免费做广告

（四）大数据的兴起和发展

大数据的兴起和发展有力的助推Python的发展，而且Python被成功的运用到人工智能、机器学习等各种高科技中。同时Python在分析和处理数据的过程中非常便捷容易，间接的也解决了大数据的一些问题。

展望未来，在金融科技的落地方向上，量化投资、大数据的Quantamental、精准画像、自然语言处理等依然会是焦点，势必吸引越来越多的关注及资源。量化投资和Python这两个词是当下的焦点。

在金融领域的量化投资、智能投顾、信用评级、新闻监控、舆情分析等多个方向上，目前已经大量使用了相关技术和算法，并且融合的程度在不断加深。与其他领域相比，金融领域的算法应用有其自身的特点：一是信息的来源多、部分数据非结构化；二是在不同的应用场景甚至策略之间，所适用算法的差异较大，例如投资交易的量化策略、智能投顾中的用户画像、新闻处理中的自然语言处理和大数据，都涉及了不同大类的算法；三是投资中各个影响因素之间的逻辑关系复杂化和模糊化；此外，很多金融问题不是单目标优化的，也不是封闭的信息集。在这种场合，python都是最适合和最优秀的语言。

选择要学习的技术和选择要上的大学一样重要，如果选错了，你将来不仅得不到自己喜欢的高薪工作，反而会弄得一堆麻烦。目前我们专栏课程正推出python量化投资应用开发培训。特聘业界知名专家“量化大橙子”老师主讲大橙子老师本硕毕业于北京大学，具有多年量化投资从业和培训经验，专注于python应用开发、金融衍生品交易、投资策略开发等领域，从事多项量化投资和金融大数据研究项目，精通python、Java、SAS等编程语言和统计分析工具。通过专栏课程的学习，助您切换人生跑道，早日走上巅峰。